如何去拥抱大数据，在大数据环境下去构建更加精准合理的交通模型？

根据信通院发布的《人工智能白皮书（2022）》报告，复杂的深度学习模型往往需要消耗大量的存储空间和计算资源，难以在端、边等资源受限情形下应用，具备低内存和低计算量优势的技术成为业界需求。

模型轻量化正成为行业发展的一个重要方向。

模型轻量化是指在保持模型性能的前提下，降低模型的复杂度、计算量和存储需求，使模型更易于部署和应用，它能够降低模型的存储和计算需求，提高模型的响应速度和应用效率。

思卡车型识别一体机需要在实时环境下处理大量的传感器数据，如车型车牌、行驶轨迹、图像抓拍、视频取证等，轻量化模型计算效率高、传输速度快、加载流畅，可实时高效输出车辆特征信息。

另外，在满足信息无损、模型精度、使用功能等要求的前提下, 轻量化模型可提高算法、平台和芯片的效率，在更紧密的物理空间上实现低功耗的人工智能训练和应用部署。

“瘦身”后的模型可以更迅速地读取与操作，为后续工作中的交通场景应用提供便利，真正做到减“重”不减“质”。

通过利用轻量化模型，我们不仅可以提高AI系统的效率和实时性，而且可以降低部署成本，提高硬件兼容性。

基于数字化转型升级的核心需求，未来交通发展将更加智能化、便捷化和轻量化，而AI大数据与交通模型也必将深度融合，以场景需求为导向，以算法算力为牵引，轻装上阵，精准发力，达到1+1>2的效果。